Appearance
RQFactor用户指南
RQFactor 简介
前言
RQFactor 是由 Ricequant 开发的量化因子投研框架，是连接 “投资逻辑” 与 “量化策略” 的核心工具。无论是从行情、财务数据、技术指标中提取基础指标，还是通过数学运算、时间序列分析、横截面调整构建复杂复合因子，亦或是通过 IC 分析、分组分析、因子收益率检验验证因子有效性，RQFactor 都提供了高度封装的解决方案。 本文档是 RQFactor 的入门指南，您可以通过快速上手了解搭建因子开发流程；通过进阶理解深入理解数据处理，自定义算子因子等核心逻辑；最后的使用示例供您参考，助力快速掌握不同类型因子的检验逻辑，轻松落地实战中的因子有效性验证；如需了解全部 API 的详细用法，请访问API 手册。
为什么选择 RQFactor
在量化投资中，“因子” 是筛选股票、预测收益的核心依据。然而，传统因子开发面临三大痛点：数据处理繁琐（复权、停牌、缺失值需手动处理）、计算逻辑重复（均线、标准化等常用操作需反复编码）、有效性检验复杂（IC 分析需自行实现、分组收益验证步骤零散、多日调仓易受路径依赖干扰等）。
RQFactor 针对这些痛点提供了一站式解决方案，无需深入掌握数据处理细节，通过简单 API 即可调用行情、财务、技术等基础因子；支持类似 “公式化” 的算子组合，如 MA (Factor ('close'), 5) 直接生成 5 日均线因子，Python 入门水平即可上手；从因子创建（基础因子引用、自定义因子开发）、自动化计算（自动处理复权、停牌及缺失值）到多维度检验，覆盖因子投研全生命周期，无需跨工具拼接；同时支持自定义算子和自定义基础因子，可适配任意投资逻辑，且无缝兼容 RQSDK 生态工具（RQAlphaPlus 回测引擎、RQOptimizer 组合优化器）；内置 CachedExecContext 数据缓存机制，避免重复调取基础数据，支持批量因子并行计算，显著提升多因子投研效率。
其中，FactorAnalysisEngine 作为核心检验工具，更是针对性解决了传统检验的局限：
突破资产与频率限制，不限因子的资产类型（股票、基金、期货等）和数据频率（日频、周频、月频），让因子检验覆盖更广泛的投资场景；
灵活适配特殊需求，支持传入自定义收益率（如盘中收益率、组合收益率）、自定义资产行业，能更精准计算 IC 行业分布，排查行业偏差；
优化多日调仓场景，多日调仓时通过滚动调仓计算 IC 和因子收益，减少路径依赖，让检验结果更贴合实际交易；
提升检验灵活性与透明性，可通过管道化流程反复检验分析，还能按需单独计算 IC 分析、分组分析、因子收益率，且支持输出数据处理后的因子值，让检验逻辑与结果更清晰可控。